LexielBot

Quién es

Lexiel es un asistente jurídico con inteligencia artificial para abogados, de Codelabs Studio, S.L. (Alhaurín de la Torre, Málaga). Usamos lo que lee LexielBot para que los abogados puedan comprobar que una ley o una sentencia existe y dice lo que se afirma, en lugar de fiarse de una cita inventada. Cuando visitamos un portal nos presentamos con este identificador:

User-Agent

Qué consulta

Solo fuentes oficiales y de acceso público:

• BOE (Boletín Oficial del Estado): legislación consolidada y disposiciones publicadas, a través de su API de datos abiertos.
• CENDOJ (Centro de Documentación Judicial, Poder Judicial): resoluciones judiciales públicas (Tribunal Supremo, Audiencia Nacional, tribunales superiores de justicia y audiencias provinciales), y la comprobación puntual de una cita que un abogado nos pide verificar.
• DGT (Dirección General de Tributos): consultas vinculantes tributarias publicadas.
• Tribunal Constitucional: sentencias, autos y resoluciones publicadas.
• Otras fuentes oficiales: EUR-Lex (Derecho de la UE) y portales oficiales de países de Latinoamérica, siempre solo para comprobar referencias públicas.

No iniciamos sesión en ningún sitio, no saltamos muros de pago ni identificación, no resolvemos captchas y no recogemos datos personales de usuarios de esos portales. Lo que leemos es texto jurídico que el organismo ya difunde.

De qué formas consultamos

Hay cuatro formas distintas y en todas tu servidor ve un identificador que dice quiénes somos. Nunca nos hacemos pasar por un navegador ni por otro robot.

• Rastreo automático: la lectura programada de novedades. Se presenta como LexielBot, comprueba el robots.txt antes de pedir nada y respeta las pausas y los límites de más abajo.
• Consulta puntual a petición de un abogado: cuando un abogado nos pide comprobar una cita concreta (una ley, una sentencia, una tesis). Se presenta como LexielBot, hace una o dos peticiones sobre esa referencia y no pide nada que el robots.txt prohíba. Si el portal rechaza la consulta (por ejemplo con un error 403), no insistimos ni disimulamos quiénes somos: le decimos al abogado que esa cita no se ha podido comprobar en ese momento.
• Página que pega un usuario: cuando alguien pega una dirección web para que la importemos, pedimos solo esa página, una vez, a petición suya y sin seguir enlaces. Esa petición se presenta como Lexiel-AI/1.0 (legal assistant; +https://lexiel.ai) y no es un rastreo.
• Navegador automatizado (excepción que estamos eliminando): unas pocas lecturas que solo funcionan con un navegador, como comprobar un número de colegiado en el censo de la Abogacía o algunas cargas manuales de Latinoamérica. Se presentan como LexielBot, pero todavía no consultan el robots.txt.

A qué ritmo

• CENDOJ, que es el portal más delicado: como máximo 40 peticiones al día en total desde todos nuestros sistemas, de las cuales a lo sumo 20 son descargas de documentos (la cifra queda por debajo del umbral diario por IP que el propio portal aplica). De ese total, la lectura automática de novedades solo puede usar 28 peticiones y 15 descargas; el resto queda reservado para comprobaciones puntuales que pide un abogado.
• Entre dos peticiones automáticas a CENDOJ dejamos al menos 6 segundos, por encima del Crawl-delay de 5 segundos que declara su robots.txt. Lo hacemos una vez al día, de madrugada.
• Si un portal responde con un error 403 o 429, o nos redirige a un captcha, paramos ese mismo día y no reintentamos. Esperamos como mínimo hasta el día siguiente y, si se repite, duplicamos la espera (2, 4 y hasta 7 días). Nunca cambiamos de dirección IP ni usamos otras máquinas para esquivar un límite.
• En el resto de portales (BOE, DGT, Tribunal Constitucional y demás) fijamos un tope máximo de entre 1 y 4 peticiones por segundo según el portal. Es un techo que no superamos, no el ritmo habitual: en la práctica vamos muy por debajo, porque casi todo se lee una sola vez y se guarda.

Qué respetamos

• El archivo robots.txt de cada portal. En la lectura automática lo descargamos antes de pedir nada (y lo renovamos cada 24 horas), no pedimos ninguna ruta que prohíba, esperamos la pausa (Crawl-delay) que declare si es mayor que la nuestra, y si el archivo no se puede leer, no rastreamos ese portal hasta que vuelva a responder. En CENDOJ, que tiene su propio régimen descrito arriba, aplicamos nuestras reglas, más estrictas que su pausa.
• Lectura automática y consulta puntual: la lectura automática (la que recorre novedades de forma programada) cumple todo lo anterior. Cuando un abogado nos pide comprobar una cita concreta, hacemos una consulta puntual a petición suya, que no es un rastreo: aun así no pedimos nada que el robots.txt prohíba, pero no esperamos pausas largas ni dejamos de comprobar por que el archivo no responda.
• Los límites de uso de cada portal, incluidos los umbrales diarios por dirección IP.
• Cualquier aviso del portal: ante un bloqueo, paramos.

Cómo pedirnos que paremos

Si administras uno de estos portales y quieres que reduzcamos el ritmo, cambiemos de horario o dejemos de consultarlo, escribe a contacto@lexiel.ai indicando el dominio o la dirección IP que has visto. Nos comprometemos a responder y a aplicar el cambio cuanto antes, sin que tengas que bloquear nuestra dirección para hacerte oír.

Responsable

Codelabs Studio, S.L. (CIF B88708797), Pasaje Federico García Lorca, 6, 3º E, 29130 Alhaurín de la Torre (Málaga), España.